平面 numpy 数组 - Python

Python中的numpy（Numeric Python）库提供了一个强大的数据结构——numpy数组。 numpy数组是一个多维数组对象，可以用于处理大量数据的数学计算，包括统计分析、科学计算等。

创建numpy数组

使用numpy包中的array()函数可以手动创建numpy数组。该函数接受一个Python列表（或元组）作为输入，并将其转换为numpy数组。例如：

import numpy as np

my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)

print(my_array)

输出：

[1 2 3 4 5]

我们还可以使用numpy的内置函数来创建numpy数组。例如，使用zeros()函数创建由0组成的数组：

import numpy as np

my_array = np.zeros((3, 4))

print(my_array)

输出：

[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]

操作numpy数组

索引和切片

与Python列表类似，可以使用索引和切片操作numpy数组。使用中括号[]选择数组中的元素，并使用冒号:表示切片。例如：

import numpy as np

my_array = np.array([1, 2, 3, 4, 5])

print(my_array[2])    # 输出第3个元素
print(my_array[1:4])  # 输出第2个到第4个元素

输出：

3
[2 3 4]

对于二维数组，我们可以用逗号的方式选择行和列。例如：

import numpy as np

my_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(my_array[1, 2])    # 输出第2行第3列的元素
print(my_array[:, 1])    # 输出第2列的所有元素

输出：

6
[2 5 8]

数组运算

numpy数组支持各种数学运算。利用numpy数组进行数学运算的优势在于，它允许我们对整个数组进行操作，而不需要循环。

例如，可以将两个数组相加：

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([5, 6, 7, 8])

c = a + b

print(c)

输出：

[ 6  8 10 12]

我们还可以使用各种数学函数，如sin()、cos()、exp()和log()等。例如：

import numpy as np

a = np.array([0, np.pi/2, np.pi])

b = np.sin(a)

print(b)

输出：

[0.00000000e+00 1.00000000e+00 1.22464680e-16]

总结

numpy数组是Python中处理数学运算和大量数据的理想工具。它可以从Python列表创建，并且支持各种各样的数学运算。numpy还提供了许多其他的功能，如矩阵乘法、数组拼接等等。如果您在Python中处理大量数学计算或数据分析，那么学习使用numpy数组将是一个很好的投资。